一种激光雷达与相机之间的标定方法和装置与流程

本申请涉及计算机技术领域，特别是涉及一种激光雷达与相机之间的标定方法、一种标定方法、一种激光雷达与相机之间的标定装置和一种标定装置。

背景技术：

随着无人驾驶技术的发展，目前几乎所有的无人车都采用了多传感器融合方案，安装了激光雷达、工业相机等多种传感器。无人驾驶方案中，需要将多个传感器的坐标系变换到一个统一的坐标系下，实现多传感器数据的空间融合。

目前多传感器标定主要分为手工标定和自动标定两种，手工标定是由有一定标定经验的专业人员通过离线采集的传感器数据通过特定的标定方法进行手工标定，不适用于批量化标定；

自动标定是通过选取特定的标定场景和标定制具，通过特定的算法实现多传感器的自动化标定。

目前市面上的自动化标定方案，大都是适用于采用高端激光雷达的无人汽车，而这些自动化标定方案并不适用于采用中低端激光雷达的无人车。

由于中低端激光雷达的测距精度和激光线数均远低于高端激光雷达，因而得到的环境点云信息没有高端雷达的丰富准确，如果使用类似高端雷达的标定算法无法满足采用中低端激光雷达的无人车的标定精度要求。

技术实现要素：

鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种激光雷达与相机之间的标定方法、一种标定方法、一种激光雷达与相机之间的标定装置和一种标定装置。

为了解决上述问题，本申请实施例公开了一种激光雷达与相机之间的标定方法，包括：

获取所述相机针对标定板采集的图像和所述激光雷达针对所述标定板采集的点云；

在预设第一旋转矢量区间内，确定多个第一旋转矢量；

分别根据各个第一旋转矢量，计算对应的所述图像与所述点云之间的重合度；

将对应最大重合度的第一旋转矢量，确定为所述激光雷达的坐标系标定到所述相机的坐标系的旋转矢量。

可选地，所述分别根据各个第一旋转矢量，计算对应的所述图像与所述点云之间的重合度，包括：

获取所述激光雷达的坐标系与相机的坐标系之间的平移矢量，以及获取所述相机的内参；

分别采用所述多个第一旋转矢量和所述平移矢量，确定多个第一转换矩阵；

针对一个所述第一转换矩阵，采用所述第一转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度。

可选地，所述采用所述第一转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度，包括：

获取所述相机的相机坐标系；

确定所述图像中所述标定板的轮廓，以及确定所述点云中位于所述标定板内的标定板点云的三维坐标；

采用所述第一转换矩阵、所述相机的内参和所述标定板点云的三维坐标，将所述标定板点云投影到所述图像，得到第一投影点云；

确定所述第一投影点云中，落入所述图像中的标定板的轮廓内的第一目标投影点的数量；

采用所述第一目标投影点的数量，确定所述图像与所述点云的重合度。

可选地，所述采用所述第一目标投影点的数量，确定所述图像与所述点云的重合度，包括：

计算一个标定板对应的第一目标投影点的数量与该标定板的标定板点云的数量的第一目标投影点比例；

采用所述第一目标投影点比例，确定所述图像与所述点云的重合度。

可选地，所述在预设第一旋转矢量区间内，确定多个第一旋转矢量，包括：

在预设第一旋转矢量区间内，按照预设弧度间隔，确定多个第一旋转矢量。

可选地，所述预设第一旋转矢量区间包括预设第一翻滚角区间、预设第一俯仰角区间和预设第一偏航角区间；所述在预设第一旋转矢量区间内，按照预设弧度间隔，确定多个第一旋转矢量，包括：

在所述预设第一翻滚角区间内，按照预设弧度间隔确定多个翻滚角；

在所述预设第一俯仰角区间内，按照所述预设弧度间隔确定多个俯仰角；

在所述预设第一偏航角区间内，按照所述预设弧度间隔确定多个偏航角；

分别从所述多个翻滚角中选取一个翻滚角，从所述多个俯仰角中选取一个俯仰角，从所述多个偏航角中选取一个偏航角进行组合，得到多个第一旋转矢量。

可选地，还包括：

获取所述相机的水平视场角和垂直视场角，以及所述图像的分辨率；

采用所述水平视场角除以所述分辨率的宽度，得到第一弧度；

采用所述垂直视场角除以所述分辨率的高度，得到第二弧度；

将所述第一弧度和所述第二弧度中，较小的作为所述预设弧度间隔。

可选地，还包括：

确定基准旋转矢量；

采用所述基准旋转矢量和所述预设弧度间隔，确定所述预设第一旋转矢量区间。

可选地，所述确定基准旋转矢量，包括：

获取预设第二旋转矢量区间，所述预设第二旋转矢量区间包括预设第二翻滚角区间、预设第二俯仰角区间和预设第二偏航角区间；

在所述预设第二俯仰角区间内调整俯仰角，并且在所述预设第二偏航角区间内调整偏航角；

确定所述图像的标定板的中心与所述第一投影点云的中心重合时的目标俯仰角和目标偏航角；

在所述目标俯仰角和目标偏航角下，在所述预设第二翻滚角区间内调整所述翻滚角，得到多个第二旋转矢量；

从所述多个第二旋转矢量中，确定基准旋转矢量。

可选地，所述从所述多个第二旋转矢量中，确定基准旋转矢量，包括：

分别采用所述多个第二旋转矢量，以及所述激光雷达的坐标系与所述相机的坐标系之间的平移矢量，确定多个第二转换矩阵；

针对一个所述第二转换矩阵，采用所述第二转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度；

将对应最大重合度的第二旋转矢量，确定为基准旋转矢量。

可选地，所述确定所述点云中位于所述标定板内的标定板点云的三维坐标，包括：

采用点云聚类算法，从所述点云中提取位于所述标定板内的标定板点云；

确定所述标定板点云的三维坐标。

可选地，所述确定所述点云中位于所述标定板内的标定板点云的三维坐标，包括：

获取所述点云中各个点的反射率；

采用反射率大于预设反射率阈值的点，确定位于所述标定板内的标定板点云；

确定所述标定板点云的三维坐标。

可选地，所述确定所述点云中位于所述标定板内的标定板点云的三维坐标，包括：

获取所述标定板的尺寸信息；

采用所述标定板的尺寸信息，确定所述点云中位于所述标定板内的标定板点云；

确定所述标定板点云的三维坐标。

本申请实施例还公开了一种标定方法，应用于无人车，所述无人车包括至少一个相机以及至少一个激光雷达，所述至少一个相机和所述至少一个激光雷达分别具有自身的坐标系，所述方法包括：

从所述至少一个相机选取一个目标相机，将所述目标相机的坐标系作为基准坐标系；

在所述至少一个激光雷达中，确定与所述目标相机关联的第一激光雷达，并将所述第一激光雷达的坐标系标定到所述基准坐标系；

在除所述目标相机之外的相机中，确定与所述第一激光雷达对应的第一相机，并将所述第一相机的坐标系标定到对应的第一激光雷达的坐标系。

确定与所述目标相机不关联的第二激光雷达，以及确定与所述第二激光雷达对应的第二相机；

将所述第二相机的坐标系标定到关联的第一激光雷达的坐标系，以及将所述第二激光雷达的坐标系标定到所述第二相机的坐标系。

可选地，所述至少一个相机包括：至少一个工业相机、至少一个环视相机；所述从所述至少一个相机选取一个目标相机包括：

从所述至少一个工业相机选取一个作为目标相机。

可选地，所述在除所述目标相机之外的相机中，确定与所述第一激光雷达对应的第一相机，包括：

在所述至少一个环视相机中，确定与所述第一激光雷达对应的第一环视相机。

可选地，所述确定与所述第二激光雷达对应的第二相机，包括：

确定与所述第二激光雷达对应的第二环视相机。

本申请实施例还公开了一种激光雷达与相机之间的标定装置，包括：

图像获取模块，用于获取所述相机针对标定板采集的图像和所述激光雷达针对所述标定板采集的点云；

第一旋转矢量确定模块，用于在预设第一旋转矢量区间内，确定多个第一旋转矢量；

第一重合度计算模块，用于分别根据各个第一旋转矢量，计算对应的所述图像与所述点云之间的重合度；

旋转矢量标定模块，用于将对应最大重合度的第一旋转矢量，确定为所述激光雷达的坐标系标定到所述相机的坐标系的旋转矢量。

可选地，所述第一重合度计算模块包括：

参数获取子模块，用于获取所述激光雷达的坐标系与相机的坐标系之间的平移矢量，以及获取所述相机的内参；

第一转换矩阵确定子模块，用于分别采用所述多个第一旋转矢量和所述平移矢量，确定多个第一转换矩阵；

第一重合度计算子模块，用于针对一个所述第一转换矩阵，采用所述第一转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度。

可选地，所述第一重合度计算子模块包括：

相机坐标系获取单元，用于获取所述相机的相机坐标系；

图像信息确定单元，用于确定所述图像中所述标定板的轮廓，以及确定所述点云中位于所述标定板内的标定板点云的三维坐标；

投影单元，用于采用所述第一转换矩阵、所述相机的内参和所述标定板点云的三维坐标，将所述标定板点云投影到所述图像，得到第一投影点云；

目标投影点确定单元，用于确定所述第一投影点云中，落入所述图像中的标定板的轮廓内的第一目标投影点的数量；

第一重合度确定单元，用于采用所述第一目标投影点的数量，确定所述图像与所述点云的重合度。

可选地，所述第一重合度确定单元包括：

投影比例计算子单元，用于计算一个标定板对应的第一目标投影点的数量与该标定板的标定板点云的数量的第一目标投影点比例；

第一重合度确定子单元，用于采用所述第一目标投影点比例，确定所述图像与所述点云的重合度。

可选地，所述第一旋转矢量确定模块包括：

第一旋转矢量确定子模块，用于在预设第一旋转矢量区间内，按照预设弧度间隔，确定多个第一旋转矢量。

可选地，所述预设第一旋转矢量区间包括预设第一翻滚角区间、预设第一俯仰角区间和预设第一偏航角区间；所述第一旋转矢量确定子模块包括：

翻滚角确定单元，用于在所述预设第一翻滚角区间内，按照预设弧度间隔确定多个翻滚角；

俯仰角确定单元，用于在所述预设第一俯仰角区间内，按照所述预设弧度间隔确定多个俯仰角；

偏航角确定单元，用于在所述预设第一偏航角区间内，按照所述预设弧度间隔确定多个偏航角；

第一旋转矢量确定单元，用于分别从所述多个翻滚角中选取一个翻滚角，从所述多个俯仰角中选取一个俯仰角，从所述多个偏航角中选取一个偏航角进行组合，得到多个第一旋转矢量。

可选地，还包括：

相机参数获取模块，用于获取所述相机的水平视场角和垂直视场角，以及所述图像的分辨率；

第一弧度确定模块，用于采用所述水平视场角除以所述分辨率的宽度，得到第一弧度；

第二弧度确定模块，用于采用所述垂直视场角除以所述分辨率的高度，得到第二弧度；

弧度间隔确定模块，用于将所述第一弧度和所述第二弧度中，较小的作为所述预设弧度间隔。

可选地，还包括：

基准旋转矢量确定模块，用于确定基准旋转矢量；

第一旋转矢量区间确定模块，用于采用所述基准旋转矢量和所述预设弧度间隔，确定所述预设第一旋转矢量区间。

可选地，所述基准旋转矢量确定模块包括：

第二旋转矢量区间获取子模块，用于获取预设第二旋转矢量区间，所述预设第二旋转矢量区间包括预设第二翻滚角区间、预设第二俯仰角区间和预设第二偏航角区间；

角度调整子模块，用于在所述预设第二俯仰角区间内调整俯仰角，并且在所述预设第二偏航角区间内调整偏航角；

目标角度确定子模块，用于确定所述图像的标定板的中心与所述第一投影点云的中心重合时的目标俯仰角和目标偏航角；

第二旋转矢量确定子模块，用于在所述目标俯仰角和目标偏航角下，在所述预设第二翻滚角区间内调整所述翻滚角，得到多个第二旋转矢量；

基准旋转矢量确定子模块，用于从所述多个第二旋转矢量中，确定基准旋转矢量。

可选地，所述基准旋转矢量确定子模块包括：

第二转换矩阵确定单元，用于分别采用所述多个第二旋转矢量，以及所述激光雷达的坐标系与所述相机的坐标系之间的平移矢量，确定多个第二转换矩阵；

第二重合度计算单元，用于针对一个所述第二转换矩阵，采用所述第二转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度；

基准旋转矢量确定单元，用于将对应最大重合度的第二旋转矢量，确定为基准旋转矢量。

可选地，所述图像信息确定单元包括：

第一标定板点云确定子单元，用于采用点云聚类算法，从所述点云中提取位于所述标定板内的标定板点云；

第一点云坐标确定子单元，用于确定所述标定板点云的三维坐标。

可选地，所述图像信息确定单元包括：

反射率获取子单元，用于获取所述点云中各个点的反射率；

第二标定板点云确定子单元，用于采用反射率大于预设反射率阈值的点，确定位于所述标定板内的标定板点云；

第二点云坐标确定子单元，用于确定所述标定板点云的三维坐标。

可选地，所述图像信息确定单元包括：

尺寸信息获取子单元，用于获取所述标定板的尺寸信息；

第三标定板点云确定子单元，用于采用所述标定板的尺寸信息，确定所述点云中位于所述标定板内的标定板点云；

第三点云坐标确定子单元，用于确定所述标定板点云的三维坐标。

本申请实施例还公开了一种标定装置，应用于无人车，所述无人车包括至少一个相机以及至少一个激光雷达，所述至少一个相机和所述至少一个激光雷达分别具有自身的坐标系，所述装置包括：

基准坐标系确定模块，用于从所述至少一个相机选取一个目标相机，将所述目标相机的坐标系作为基准坐标系；

第一标定模块，用于在所述至少一个激光雷达中，确定与所述目标相机关联的第一激光雷达，并将所述第一激光雷达的坐标系标定到所述基准坐标系；

第二标定模块，用于在除所述目标相机之外的相机中，确定与所述第一激光雷达对应的第一相机，并将所述第一相机的坐标系标定到对应的第一激光雷达的坐标系。

不关联确定模块，用于确定与所述目标相机不关联的第二激光雷达，以及确定与所述第二激光雷达对应的第二相机；

第三标定模块，用于将所述第二相机的坐标系标定到关联的第一激光雷达的坐标系，以及将所述第二激光雷达的坐标系标定到所述第二相机的坐标系。

可选地，所述至少一个相机包括：至少一个工业相机、至少一个环视相机；所述基准坐标系确定模块包括：

目标相机选取子模块，用于从所述至少一个工业相机选取一个作为目标相机。

可选地，所述第二标定模块包括：

第一环视相机确定子模块，用于在所述至少一个环视相机中，确定与所述第一激光雷达对应的第一环视相机。

可选地，所述不关联确定模块包括：

第二环视相机确定子模块，用于确定与所述第二激光雷达对应的第二环视相机。

本申请实施例还公开了一种装置，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述装置执行如上所述的一个或多个的方法。

本申请实施例还公开了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如上所述的一个或多个的方法。

本申请实施例包括以下优点：

本申请实施例中，可以在相机与激光雷达之间的平移矢量固定的情况下，在预设第一旋转矢量区间内，确定使得相机采集的图像与激光雷达采集的点云重合度最高的第一旋转矢量，将对应最大重合度的第一旋转矢量，作为最终将激光雷达的坐标系标定到相机的坐标系的旋转矢量。采用本申请实施例的标定方法，在将中低精度的激光雷达标定到相机时，也能能够满足无人车的标定精度要求。

附图说明

图1是本申请的一种激光雷达与相机之间的标定方法实施例一的步骤流程图；

图2是本申请的一种激光雷达与相机之间的标定方法实施例二的步骤流程图；

图3是本申请实施例中将标定板点云投影到图像的示意图；

图4是本申请实施例中另一种将标定板点云投影到图像的示意图；

图5是本申请的一种标定方法实施例的步骤流程图；

图6是本申请实施例中无人车标定场景的示意图；

图7是本申请的一种激光雷达与相机之间的标定装置实施例的结构框图；

图8是本申请的一种标定装置实施例的结构框图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

目前的物流无人车使用的是中低端激光雷达，如果使用类似高端雷达的标定算法无法满足标定物流无人车的标定精度要求。

激光到相机(工业相机、环视相机)的标定就是要确定激光坐标系到相机坐标系的变换矩阵rt，变换矩阵rt可以由平移矢量t(x，y，z)和旋转矢量r(r，p，y)唯一确定，如果同时对6个变量进行优化求解，搜索解空间巨大，算法极其容易收敛到局部最优解。

考虑到相机和激光雷达安装固定后，相对位置就固定了，而且可以通过测量获得十分准确的平移矢量t的值，因此本申请实施例中采取固定平移矢量的来遍历旋转矢量解空间，寻找最优的旋转矢量，从而求得最优的变换矩阵。以下对具体实现方式进行详细介绍。

参照图1，示出了本申请的一种激光雷达与相机之间的标定方法实施例一的步骤流程图，具体可以包括如下步骤：

步骤101，获取所述相机针对标定板采集的图像和所述激光雷达针对所述标定板采集的点云；

本申请实施例的标定方法是针对中低端激光雷达提出的标定方法，除了适用于中低端激光雷达，也适用于高端激光雷达。

在无人车中，相机和激光雷达的数目都可以包括多个，每个相机和每个激光雷达之间，都可以采用本申请实施例的方法实现标定。相机可以包括工业相机、环视相机等被应用于无人车的相机。

采用相机和激光雷达对标定板采集，相机采集的是图像，图像中包含标定板的图像；激光雷达采集的是点云，点云中包含射向标定板并由标定板反射的激光点。激光雷达的发射器发射出一束激光，激光光束遇到物体后，经过漫反射，返回至激光接收器，得到激光点。

本申请实施例中，对标定板的数量和颜色未作限制，可以使用任意颜色、任意数量的标定板。例如，可以使用3个尺寸为80cm*80cm的红色雪弗板作为标定板。

步骤102，在预设第一旋转矢量区间内，确定多个第一旋转矢量；

旋转矢量(r，p，y)，其中r为翻滚角roll，p为俯仰角pitch，y为偏航角yaw。

当相机与激光雷达的相对位置确定后，相机与激光雷达之间的平移矢量t就可以准确测量得到，因此只需要在预设第一旋转矢量区间，寻找最优的旋转矢量，就可以求得最优的变换矩阵。

步骤103，分别根据各个第一旋转矢量，计算对应的所述图像与所述点云之间的重合度；

相机采集的图像中包含有物体，物体的位置在图像中是确定的；点云是激光雷达根据由物体反射的激光确定的，点云的坐标位置反映了物体的位置。重合度是描述点云的坐标位置与图像中的物体位置的重合程度的参数。

在不同的旋转矢量下，图像与点云的相对位置会发生变化，重合度也会发生变化。

步骤104，将对应最大重合度的第一旋转矢量，确定为所述激光雷达的坐标系标定到所述相机的坐标系的旋转矢量。

重合度越大，标定结果越准确。因此可以将使得重合度最大时的第一旋转矢量，作为最终将激光雷达的坐标系标定到相机的坐标系的旋转矢量。

本申请实施例中，可以在相机与激光雷达之间的平移矢量固定的情况下，在预设第一旋转矢量区间内，确定使得相机采集的图像与激光雷达采集的点云重合度最高的第一旋转矢量，将对应最大重合度的第一旋转矢量，作为最终将激光雷达的坐标系标定到相机的坐标系的旋转矢量。采用本申请实施例的标定方法，在将中低精度的激光雷达标定到相机时，也能能够满足无人车的标定精度要求。

在对无人车的相机和激光雷达进行标定时，可以首先确定一个基准坐标系，例如选取一个相机的坐标系作为基准坐标系。通过本申请实施例的方法，可以将即除了基准坐标系之外的，激光雷达的坐标系或者相机的坐标系都标定到基准坐标系，实现对无人车的标定。

并且本申请实施例的标定方法能够实现自动化标定。在无人车实际的运营场景中，在完成无人车出厂整车标定后，在车辆投入实际运营中不可避免地要更换各种传感器，而这也意味着这辆车需要对更换的传感器重新进行标定，而在完成对新更换的传感器的标定工作之前，这辆车均无法投入运营，因此采用本申请的标定方法，能够达到传感器的即时更换，即时标定，即时运营的目标。

参照图2，示出了本申请的一种激光雷达与相机之间的标定方法实施例二的步骤流程图，具体可以包括如下步骤：

步骤201，获取所述相机针对标定板采集的图像和所述激光雷达针对所述标定板采集的点云；

步骤202，在预设第一旋转矢量区间内，确定多个第一旋转矢量；

在本申请实施例中，所述步骤202可以包括：在预设第一旋转矢量区间内，按照预设弧度间隔，确定多个第一旋转矢量。

在实现中，可以以预设弧度间隔为步长，遍历整个预设第一旋转矢量区间，确定多个第一旋转矢量。

具体的，所述预设第一旋转矢量区间包括预设第一翻滚角区间、预设第一俯仰角区间和预设第一偏航角区间，可以在所述预设第一翻滚角区间内，按照预设弧度间隔确定多个翻滚角；在所述预设第一俯仰角区间内，按照所述预设弧度间隔确定多个俯仰角；在所述预设第一偏航角区间内，按照所述预设弧度间隔确定多个偏航角；分别从所述多个翻滚角中选取一个翻滚角，从所述多个俯仰角中选取一个俯仰角，从所述多个偏航角中选取一个偏航角进行组合，得到多个第一旋转矢量。

例如，预设第一旋转矢量区间为[(r1，p1，y1)，(r2，p2，y3)]，其中，预设第一翻滚角区间为[r1，r2]，按照预设弧度间隔从中确定出n1个翻滚角；预设第一俯仰角区间为[p1，p2]，按照预设弧度间隔从中确定出n2个俯仰角；预设第一偏航角区间为[y1，y2]，按照预设弧度间隔从中确定出n3个偏航角。分别从n1个翻滚角选取一个翻滚角，从n2个俯仰角选取一个俯仰角，从n3个偏航角中选取一个偏航角进行组合，总共可以得到n1*n2*n3个第一旋转矢量。

在本申请实施例中，可以通过如下步骤确定预设弧度间隔：

获取所述相机的水平视场角α和垂直视场角β，以及所述图像的分辨率w*h；采用所述水平视场角α除以所述分辨率的宽度w，得到第一弧度；采用所述垂直视场角β除以所述分辨率的高度h，得到第二弧度；将所述第一弧度和所述第二弧度中，较小的作为所述预设弧度间隔。

在本申请实施例中，预设第一旋转矢量区间可以通过如下步骤确定：确定基准旋转矢量；采用所述基准旋转矢量和所述预设弧度间隔，确定所述预设第一旋转矢量区间。

具体的，假设基准旋转矢量为(r0，p0，y0)，其中r0为基准翻滚角，p0为基准俯仰角，y0为基准偏航角。

可以采用基准翻滚角r0，减去预设第一参考数值m与预设弧度间隔s的乘积，得到翻滚角区间下限r0-m*s；可以采用基准翻滚角r0，加上预设第一参考数值m与预设弧度间隔s的乘积，得到翻滚角区间上限r0+m*s；采用翻滚角区间下限和翻滚角区间上限，确定预设第一翻滚角区间[r0-m*s，r0+m*s]。

可以采用基准俯仰角p0，减去预设第一参考数值m与预设弧度间隔s的乘积，得到俯仰角区间下限p0-m*s；可以采用基准俯仰角p0，加上预设第一参考数值m与预设弧度间隔s的乘积，得到俯仰角区间上限p0+m*s；采用俯仰角区间下限和俯仰角区间上限，确定预设第一俯仰角区间[p0-m*s，p0+m*s]。

可以采用基准偏航角y0，减去预设第一参考数值m与预设弧度间隔s的乘积，得到偏航角区间下限y0-m*s；可以采用基准偏航角y0，加上预设第一参考数值m与预设弧度间隔s的乘积，得到偏航角区间上限y0+m*s；采用偏航角区间下限和偏航角区间上限，确定预设第一偏航角区间[y0-m*s，y0+m*s]。

第一参考数值m为正整数，为保证全局最优解，m通常需要设置的比较大，例如m＝200。

事实上考虑到相机分辨率，视场角及激光雷达的角度分辨率，要获得比较高的标定精度，预设弧度间隔通常要设置的很小，例如0.001rad，而通常(r，p，y)合理的变化区间相对于预设弧度间隔来说往往很大，例如[-0.1,0.1]rad是一个比较正常的变化区间，因此完成整个解空间的遍历次数为(0.2/0.001)*(0.2/0.001)*(0.2/0.001)＝8000000次，假设程序每次遍历仅耗时1ms(实际值远大于1ms,约为3～4ms),那么标定一组参数需要的时间为8000000/1000/3600＝2.2小时，而这仅仅是标定一组参数的时间，实际场景中可能要标定多组参数，如此长的运行时间显然无法接受。因此如何缩小预设第一旋转矢量区间，减少程序的运行时间显得格外关键。

因此在本申请实施例中，先通过定向调整pitch和yaw，使得标定板点云投影到图像的第一投影点云中心和图像中标板的中心重合，通常这种方式只需要迭代50～100次后就会收敛，得到一个基准的p0和y0。

之后再固定p0和y0，在roll的原始区间调整roll，找到该区间内使得第一投影点云落到标定板图像区域内最多的roll值记为r0，此步骤需要迭代200次。

通过这种方法，本方案可以找到一个基准解(r0,p0,y0)，以此基准解为中心，本申请实施例可以在一个很小的区间内[-0.015,0.015]找到最优解，而且实验测试表明该解也是全局最优解。

在实际中，只有确定了p0和y0后才能调整roll，并不能先确定r0和p0，再调整yaw或者先确定r0和y0后，在调整pitch。

优化后的方案需要的循环迭代次数为100+200+(0.03/0.001)*(0.03/0.001)*(0.03/0.001)＝27300/1000＝27s，之后通过openmp使用多核多线程进行加速，能够再将时间降为原来的1/4,因此标定一组参数只需要6～8秒左右，因此本申请实施例的方法能够完成即时标定。

在本申请实施例中，确定基准旋转矢量的步骤可以包括：

获取预设第二旋转矢量区间，所述预设第二旋转矢量区间包括预设第二翻滚角区间、预设第二俯仰角区间和预设第二偏航角区间；

在所述预设第二俯仰角区间内调整俯仰角，并且在所述预设第二偏航角区间内调整偏航角；

确定所述图像的标定板的中心，与所述第一投影点云的中心重合时的目标俯仰角和目标偏航角；

在所述目标俯仰角和目标偏航角下，在所述预设第二翻滚角区间内调整所述翻滚角，得到多个第二旋转矢量；

从所述多个第二旋转矢量中，确定基准旋转矢量。

其中，所述从所述多个第二旋转矢量中，确定基准旋转矢量的步骤可以包括：

分别采用所述多个第二旋转矢量，以及所述激光雷达的坐标系与所述相机的坐标系之间的平移矢量，确定多个第二转换矩阵；针对一个所述第二转换矩阵，采用所述第二转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度；将对应最大重合度的第二旋转矢量，确定为基准旋转矢量。

其中，采用所述第二转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度的步骤可以包括：

采用第二转换矩阵、相机的内参和标定板点云的三维坐标，将标定板点云投影到相机坐标系，得到第二投影点云；确定第二投影点云中，落入图像中的标定板的轮廓内的第二目标投影点的数量；采用第二目标投影点的数量，确定图像与点云的重合度。

在一种示例中，可以将第二目标投影点的数量，作为图像与所述点云的重合度。第二目标投影点的数量越多，重合度越高。

在另一种示例中，可以采用第二目标投影点与标定板点云的比值，确定重合度。具体的，可以计算一个标定板对应的第二目标投影点的数量与该标定板的标定板点云的数量的第二目标投影点比例；采用第二目标投影点比例，确定图像与点云的重合度。

步骤203，获取所述激光雷达的坐标系与相机的坐标系之间的平移矢量，以及获取所述相机的内参；

内参是描述相机特性的参数。由于相机坐标系使用的是毫米制的单位，而图像平面使用的像素为单位，内参数的作用就是在这两个坐标系之间进行线性的变化。相机的内参可以通过相机标定工具获取。

步骤204，分别采用所述多个第一旋转矢量和所述平移矢量，确定多个第一转换矩阵；

在本申请实施例中，相机和激光雷达之间的平移矢量是固定的，每一个第一转换矩阵由一个第一旋转矢量和固定的平移矢量组成。

步骤205，针对一个所述第一转换矩阵，采用所述第一转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度；

在不同的转换矩阵下，图像与点云的相对位置会发生变化，重合度也会发生变化。

在本申请实施例中，所述步骤205可以包括如下子步骤：

子步骤s11，获取所述相机的相机坐标系；

子步骤s12，确定所述图像中所述标定板的轮廓，以及确定所述点云中位于所述标定板内的标定板点云的三维坐标；

激光雷达采集的点云数据是三维的，由笛卡尔坐标系(x，y，z)表示。

在一种示例中，可以采用点云聚类算法确定标定板点云的三维坐标。具体的，可以采用点云聚类算法，从所述点云中提取位于所述标定板内的标定板点云；确定所述标定板点云的三维坐标。

在另一种示例中，可以采用标定板对激光的反射率作为先验信息，确定标定板点云的三维坐标。由于不同材质的物体对激光的反射程度不同，可以选取高反射率材质的标定板。在采集得到的激光点云数据中，通过设置合适的反射率阈值，可以将反射率大于反射率阈值的激光点确定为激光打到标定板上的点。

具体的，可以获取所述点云中各个点的反射率；采用反射率大于预设反射率阈值的点，确定位于所述标定板内的标定板点云；确定所述标定板点云的三维坐标。

在又一种示例中，可以采用标定板的尺寸信息作为先验信息，确定标定板点云的三维坐标。具体的，可以获取所述标定板的尺寸信息；采用所述标定板的尺寸信息，确定所述点云中位于所述标定板内的标定板点云；确定所述标定板点云的三维坐标。

子步骤s13，采用所述第一转换矩阵、所述相机的内参和所述标定板点云的三维坐标，将所述标定板点云投影到所述图像，得到第一投影点云；

在实际中，在已知转换矩阵和相机内参的情况下，可以调用专用的软件接口来实现投影，例如，采用opencv软件的投影函数projectpoints，将三维坐标投影到二维的图像中。

参照图3所示为本申请实施例中将标定板点云投影到图像的示意图。如图3所示，标定板点云投影到图像中的投影点云与图像中的标定板的重合度较低。在不同的转换矩阵下，投影点云在图像中的位置会改变。

子步骤s14，确定所述第一投影点云中，落入所述图像中的标定板的轮廓内的第一目标投影点的数量；

子步骤s15，采用所述第一目标投影点的数量，确定所述图像与所述点云的重合度。

在一种示例中，可以将第一目标投影点的数量，作为图像与所述点云的重合度。第一目标投影点的数量越多，重合度越高。

例如，假如使用了两块标定板，激光雷达射出的激光射到两个标定板的点数分别为120和100。在某个第一转换矩阵下，标定板点云投影到图像的两个标定板轮廓内的第一目标投影点的数量分别为90和80，若以针对各个标定板的第一目标投影点的总数为重合度，则重合度为170。

在另一个示例中，可以采用第一目标投影点与标定板点云的比值，确定重合度。具体的，所述子步骤s15可以包括：计算一个标定板对应的第一目标投影点的数量与该标定板的标定板点云的数量的第一目标投影点比例；采用所述第一目标投影点比例，确定所述图像与所述点云的重合度。

例如，在上述例子中，两个标定板的第一目标投影点比例分别为90/120＝0.75和80/100＝0.8，若以针对各个标定板的第一目标投影点的数量与标定板点云的数量的比值总和为重合度，则重合度为1.55。

步骤206，将对应最大重合度的第一旋转矢量，确定为所述激光雷达的坐标系标定到所述相机的坐标系的旋转矢量。

参照图4所示为本申请实施例中另一种将标定板点云投影到图像的示意图。图4中，在重合度最高时，标定板点云的投影点云与图像中的标定板完全对应，整幅图像与点云也完全对应。

本申请实施例中，可以在相机与激光雷达之间的平移矢量固定的情况下，在预设第一旋转矢量区间内，确定使得相机采集的图像与激光雷达采集的点云重合度最高的第一旋转矢量，将对应最大重合度的第一旋转矢量，作为最终将激光雷达的坐标系标定到相机的坐标系的旋转矢量。采用本申请实施例的标定方法，在将中低精度的激光雷达标定到相机时，也能能够满足无人车的标定精度要求并且能够实现自动化标定。

参照图5，示出了本申请的一种标定方法实施例的步骤流程图，该方法应用于无人车，所述无人车包括至少一个工业相机、至少一个环视相机，以及至少一个激光雷达，所述至少一个相机和所述至少一个激光雷达分别具有自身的坐标系，所述方法具体可以包括如下步骤：

步骤501，从所述至少一个相机选取一个目标相机，将所述目标相机的坐标系作为基准坐标系；

无人车可以设有多个相机，可以包括至少一个工业相机和至少一个环视相机。

工业相机具有高的图像稳定性、高传输能力和高抗干扰能力，一般设置在无人车前方用来采集前方空间的图像。

环视相机的视场角较大，在无人车设置多个环视相机能够覆盖无人车周围360度的区域，能够确保无人车行进过程中的视野盲区尽可能小。

选择不同的相机的坐标系为基准坐标系，其标定过程会有所不同，复杂度也有所不同，在实际中，可以根据无人车中工业相机、环视相机、激光雷达的相对位置，从工业相机和环视相机中选取一个作为目标相机。

参照图6所示为本申请实施例中无人车标定场景的示意图。在无人车的前后左右四个方向可以设置有相机或者激光雷达，对于需要标定的相机和激光雷达，可以在相应的方向放置标定板。采用相机采集标定板的图像，采集激光雷达针对标定板采集点云。

在本申请实施例的一种示例中，工业相机可以包括在左前方设置的左工业相机和在右前方设置的右工业相机，两个工业相机组成双目相机。

激光雷达可以包括设置在前方的前激光雷达、设置在后方的后激光雷达、设置在左方的左激光雷达、设置在右方的右激光雷达。

环视相机可以包括设置在前方的前环视相机、设置在后方的后环视相机、设置在左方的左环视相机、设置在右方的右环视相机。

为了简单起见，在选取目标相机时，可以从至少一个工业相机选取一个作为目标相机。

在上述示例中，可以选取左工业相机作为目标相机，将左工业相机的坐标系选取为基准坐标系。右工业相机的坐标系可以直接标定到左工业相机的基准坐标系。

步骤502，在所述至少一个激光雷达中，确定与所述目标相机关联的第一激光雷达，并将所述第一激光雷达的坐标系标定到所述基准坐标系；

相机与激光雷达之间的关联是指两者的拍摄空间之间的关联。两者需要拍摄共同的空间才具有关联，两者之间才能直接标定。如果两者没有共同的拍摄空间，则两者没有关联，两者之间不能直接标定。例如，设置在无人车后方的激光雷达采集的是后方的点云，设置在无人车前方的工业相机采集的是前端的图像，两者之间没有共同的拍摄空间，因此即两者之间不能直接标定。

在上述示例中，前激光雷达、左激光雷达和右激光雷达与左工业相机可以具有共同的拍摄空间，因此他们之间具有关联。与目标相机具有关联的第一激光雷达的坐标系，可以直接标定到基准坐标系。

步骤503，在除所述目标相机之外的相机中，确定与所述第一激光雷达对应的第一相机，并将所述第一相机的坐标系标定到对应的第一激光雷达的坐标系；

这里所说的对应的是指方位的对应。具体的，可以是确定与第一激光雷达对应的第一环视相机。

在上述示例中，环视相机和激光雷达是对应使用的，前激光雷达与前环视相机对应，后激光雷达与后环视相机对应，左激光雷达与左环视相机对应，右激光雷达与右环视相机对应。

前环视相机的坐标系可以直接标定到前激光雷达的坐标系，从而间接标定的基准坐标系；左环视相机的坐标系可以直接标定到左激光雷达的坐标系，从而间接标定的基准坐标系；右环视相机的坐标系可以直接标定到右激光雷达的坐标系，从而间接标定的基准坐标系。

步骤504，确定与所述目标相机不关联的第二激光雷达，以及确定与所述第二激光雷达对应的第二相机；

对于与目标相机不关联的第二激光雷达，其坐标系不能直接标定到基准坐标系，可以通过与第二激光雷达对应的第二相机，间接标定到基准坐标系。与后激光雷达对应的第二相机具体可以为：对应的第二环视相机。

例如，后激光雷达与左工业相机由于不具有共同的拍摄空间，因此两者之间不关联。可以确定与后激光雷达对应的后环视相机。

步骤505，将所述第二相机的坐标系标定到关联的第一激光雷达的坐标系，以及将所述第二激光雷达的坐标系标定到所述第二相机的坐标系。

本申请实施例中，可以利用已经标定的第一激光雷达的坐标系，实现间接标定。

确定与第二相机关联的第一激光雷达，将第二相机的坐标系标定到关联的第一激光雷达的坐标系，然后将第二激光雷达的坐标系标定到该第二相机的坐标系，实现将第二激光雷达的坐标系间接标定到基准坐标系。

例如，后环视相机关联的第一激光雷达有左激光雷达和右激光雷达，可以将后环视相机的坐标系标定到左激光雷达的坐标系，然后将后激光雷达的坐标系标定到后环视相机的坐标系。

在本申请实施例中，工业相机与激光雷达之间的标定过程，环视相机与激光雷达之间的标定过程都可以采用前述的激光雷达与相机之间的标定方法实施例实现。

本申请实施例的标定方法，适用于具有多传感器的无人车，可以将无人车中的工业相机、环视相机和激光雷达直接或间接标定到一个基准坐标系，并且标定精度高，能够实现自动化标定。通过基准坐标系还可以实现对其他传感器的标定，例如，可以将基准坐标系标定到惯性测量单元imu(inertialmeasurementunit)。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。

参照图7，示出了本申请的一种激光雷达与相机之间的标定装置实施例的结构框图，具体可以包括如下模块：

图像获取模块701，用于获取所述相机针对标定板采集的图像和所述激光雷达针对所述标定板采集的点云；

第一旋转矢量确定模块702，用于在预设第一旋转矢量区间内，确定多个第一旋转矢量；

第一重合度计算模块703，用于分别根据各个第一旋转矢量，计算对应的所述图像与所述点云之间的重合度；

旋转矢量标定模块704，用于将对应最大重合度的第一旋转矢量，确定为所述激光雷达的坐标系标定到所述相机的坐标系的旋转矢量。

在本申请实施例中，所述第一重合度计算模块703可以包括：

参数获取子模块，用于获取所述激光雷达的坐标系与相机的坐标系之间的平移矢量，以及获取所述相机的内参；

第一转换矩阵确定子模块，用于分别采用所述多个第一旋转矢量和所述平移矢量，确定多个第一转换矩阵；

第一重合度计算子模块，用于针对一个所述第一转换矩阵，采用所述第一转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度。

在本申请实施例中，所述第一重合度计算子模块可以包括：

相机坐标系获取单元，用于获取所述相机的相机坐标系；

图像信息确定单元，用于确定所述图像中所述标定板的轮廓，以及确定所述点云中位于所述标定板内的标定板点云的三维坐标；

投影单元，用于采用所述第一转换矩阵、所述相机的内参和所述标定板点云的三维坐标，将所述标定板点云投影到所述图像，得到第一投影点云；

目标投影点确定单元，用于确定所述第一投影点云中，落入所述图像中的标定板的轮廓内的第一目标投影点的数量；

第一重合度确定单元，用于采用所述第一目标投影点的数量，确定所述图像与所述点云的重合度。

在本申请实施例中，所述第一重合度确定单元可以包括：

投影比例计算子单元，用于计算一个标定板对应的第一目标投影点的数量与该标定板的标定板点云的数量的第一目标投影点比例；

第一重合度确定子单元，用于采用所述第一目标投影点比例，确定所述图像与所述点云的重合度。

在本申请实施例中，所述第一旋转矢量确定模块702可以包括：

第一旋转矢量确定子模块，用于在预设第一旋转矢量区间内，按照预设弧度间隔，确定多个第一旋转矢量。

在本申请实施例中，所述预设第一旋转矢量区间包括预设第一翻滚角区间、预设第一俯仰角区间和预设第一偏航角区间；所述第一旋转矢量确定子模块可以包括：

翻滚角确定单元，用于在所述预设第一翻滚角区间内，按照预设弧度间隔确定多个翻滚角；

俯仰角确定单元，用于在所述预设第一俯仰角区间内，按照所述预设弧度间隔确定多个俯仰角；

偏航角确定单元，用于在所述预设第一偏航角区间内，按照所述预设弧度间隔确定多个偏航角；

第一旋转矢量确定单元，用于分别从所述多个翻滚角中选取一个翻滚角，从所述多个俯仰角中选取一个俯仰角，从所述多个偏航角中选取一个偏航角进行组合，得到多个第一旋转矢量。

在本申请实施例中，所述的装置还可以包括：

相机参数获取模块，用于获取所述相机的水平视场角和垂直视场角，以及所述图像的分辨率；

第一弧度确定模块，用于采用所述水平视场角除以所述分辨率的宽度，得到第一弧度；

第二弧度确定模块，用于采用所述垂直视场角除以所述分辨率的高度，得到第二弧度；

弧度间隔确定模块，用于将所述第一弧度和所述第二弧度中，较小的作为所述预设弧度间隔。

在本申请实施例中，所述的装置还可以包括：

基准旋转矢量确定模块，用于确定基准旋转矢量；

第一旋转矢量区间确定模块，用于采用所述基准旋转矢量和所述预设弧度间隔，确定所述预设第一旋转矢量区间。

在本申请实施例中，所述基准旋转矢量确定模块可以包括：

第二旋转矢量区间获取子模块，用于获取预设第二旋转矢量区间，所述预设第二旋转矢量区间包括预设第二翻滚角区间、预设第二俯仰角区间和预设第二偏航角区间；

角度调整子模块，用于在所述预设第二俯仰角区间内调整俯仰角，并且在所述预设第二偏航角区间内调整偏航角；

目标角度确定子模块，用于确定所述图像的标定板的中心与所述第一投影点云的中心重合时的目标俯仰角和目标偏航角；

第二旋转矢量确定子模块，用于在所述目标俯仰角和目标偏航角下，在所述预设第二翻滚角区间内调整所述翻滚角，得到多个第二旋转矢量；

基准旋转矢量确定子模块，用于从所述多个第二旋转矢量中，确定基准旋转矢量。

在本申请实施例中，所述基准旋转矢量确定子模块可以包括：

第二转换矩阵确定单元，用于分别采用所述多个第二旋转矢量，以及所述激光雷达的坐标系与所述相机的坐标系之间的平移矢量，确定多个第二转换矩阵；

第二重合度计算单元，用于针对一个所述第二转换矩阵，采用所述第二转换矩阵和所述相机的内参，计算对应的所述图像与所述点云之间的重合度；

基准旋转矢量确定单元，用于将对应最大重合度的第二旋转矢量，确定为基准旋转矢量。

在本申请实施例中，所述图像信息确定单元可以包括：

第一标定板点云确定子单元，用于采用点云聚类算法，从所述点云中提取位于所述标定板内的标定板点云；

第一点云坐标确定子单元，用于确定所述标定板点云的三维坐标。

在本申请实施例中，所述图像信息确定单元可以包括：

反射率获取子单元，用于获取所述点云中各个点的反射率；

第二标定板点云确定子单元，用于采用反射率大于预设反射率阈值的点，确定位于所述标定板内的标定板点云；

第二点云坐标确定子单元，用于确定所述标定板点云的三维坐标。

在本申请实施例中，所述图像信息确定单元可以包括：

尺寸信息获取子单元，用于获取所述标定板的尺寸信息；

第三标定板点云确定子单元，用于采用所述标定板的尺寸信息，确定所述点云中位于所述标定板内的标定板点云；

第三点云坐标确定子单元，用于确定所述标定板点云的三维坐标。

参照图8，示出了本申请的一种标定装置实施例的结构框图，所述标定装置应用于无人车，所述无人车包括至少一个相机以及至少一个激光雷达，所述至少一个相机和所述至少一个激光雷达分别具有自身的坐标系，所述装置具体可以包括如下模块：

基准坐标系确定模块801，用于从所述至少一个相机选取一个目标相机，将所述目标相机的坐标系作为基准坐标系；

第一标定模块802，用于在所述至少一个激光雷达中，确定与所述目标相机关联的第一激光雷达，并将所述第一激光雷达的坐标系标定到所述基准坐标系；

第二标定模块803，用于在除所述目标相机之外的相机中，确定与所述第一激光雷达对应的第一相机，并将所述第一相机的坐标系标定到对应的第一激光雷达的坐标系。

不关联确定模块804，用于确定与所述目标相机不关联的第二激光雷达，以及确定与所述第二激光雷达对应的第二相机；

第三标定模块805，用于将所述第二相机的坐标系标定到关联的第一激光雷达的坐标系，以及将所述第二激光雷达的坐标系标定到所述第二相机的坐标系。

在本申请实施例中，所述至少一个相机可以包括：至少一个工业相机、至少一个环视相机；所述基准坐标系确定模块801可以包括：

目标相机选取子模块，用于从所述至少一个工业相机选取一个作为目标相机。

在本申请实施例中，所述第二标定模块803可以包括：

第一环视相机确定子模块，用于在所述至少一个环视相机中，确定与所述第一激光雷达对应的第一环视相机。

在本申请实施例中，所述不关联确定模块804可以包括：

第二环视相机确定子模块，用于确定与所述第二激光雷达对应的第二环视相机。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例还提供了一种装置，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述装置执行本申请实施例所述的方法。

本申请实施例还提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行本申请实施例所述的方法。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种激光雷达与相机之间的标定方法、一种标定方法、一种激光雷达与相机之间的标定装置和一种标定装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。